新建
上传
首页
助手
最?/div>
资料?/div>
工具

龙源期刊?/p>

 http://www.qikan.com.cn 

K-means

算法研究综述

 

作者:丛思安

 

王星?/p>

 

来源:《电子技术与软件工程?/p>

2018

年第

17

?/p>

 

        

摘要

 

        k-means

算法是一种非常简单并且使用广泛的聚类算法,但是一?/p>

k

值需要预先给定,?/p>

多情况下

k

值的佑计很困难。二?/p>

K-Means

算法对初始选取的聚类中心点很敏感,不同的中?/p>

点聚类结果有很大的不同。也就是说,有可能陷入局部最优解。三是对离群点敏感,聚类结果

易产生误差。四是相似性度量的函数不同也会对聚类结果产生影响。本文针?/p>

k-means

的缺

陷,对这几年

k-means

算法的研究进展进行了综述。从初始中心点的选取、离群点的检测与?/p>

除、相似性度量等几个方面进行概括、比较最后,?/p>

k-means

算法的未来趋势进行展望?/p>

 

        

【关键词?/p>

k-means

算法

 

初始聚类中心

 

相似性度?/p>

 

离群?/p>

 

        K-means

聚类算法是由

Steinhaus 1955

年?/p>

Lloyd 1957

年?/p>

Ball&Hall 1965

年?

McQueen1967

年分别在各自的不同的科学研究领域独立的提出?/p>

K-means

聚类算法被提出来

后,经过多年的实践证明,

k-means

算法依然是简单、高效的算法,并且被广泛应用在科学研

究以及工业应用中,发展出大量的改进的算法。目前,

k-means

算法仍然是一个研究热点?/p>

 

        K-means

算法的改进主要从以下几个方面:一是如何确定合适的

k

值,二是如何选取好的

初始聚类中心,三是离群点的检测与去除,四是距离与相似度度量的改进以及其他方面的改?/p>

等等。本文则从以上几个方面对

k-means

算法的研究进展进行综述。本文第一部分介绍传统?/p>

k-means

算法,第二部分从各个方面介绍

k-means

算法的优化,第三部分进行总结以及展望?/p>

 

        1 

传统?/p>

k-means

算法

 

        K-means

算法是一种简单、高效的聚类算法,并得到了广泛的应用?/p>

K-means

算法的基?/p>

思想是首先随机选取初始聚类中心,然后计算每个样本点到初始聚类中心的欧式距离,按照距

离最近的准则将它们分配给相似度最大的聚类中心所代表的类。计算每个类别所有样本点的均

值,更新聚类中心,直到目标准则函数收敛为止。具体算法步骤如下:

 

        

?/p>

1

)用户输入类簇数目的?/p>

k

,从

n

个样本点中随机选取

k

个点作为初始聚类中心

; 

        

?/p>

2

)遍历所有的样本点,计算每个样本点到初始聚类中心的欧式距离,欧氏距离的大?/p>

作为相似度的评判标准,欧氏距离越小,相似度越大。按照距离最近的准则将样本点分配给相

似度最大的聚类中心所代表的类?/p>

 

Ͼλ
新建
上传
首页
助手
最?/div>
资料?/div>
工具

龙源期刊?/p>

 http://www.qikan.com.cn 

K-means

算法研究综述

 

作者:丛思安

 

王星?/p>

 

来源:《电子技术与软件工程?/p>

2018

年第

17

?/p>

 

        

摘要

 

        k-means

算法是一种非常简单并且使用广泛的聚类算法,但是一?/p>

k

值需要预先给定,?/p>

多情况下

k

值的佑计很困难。二?/p>

K-Means

算法对初始选取的聚类中心点很敏感,不同的中?/p>

点聚类结果有很大的不同。也就是说,有可能陷入局部最优解。三是对离群点敏感,聚类结果

易产生误差。四是相似性度量的函数不同也会对聚类结果产生影响。本文针?/p>

k-means

的缺

陷,对这几年

k-means

算法的研究进展进行了综述。从初始中心点的选取、离群点的检测与?/p>

除、相似性度量等几个方面进行概括、比较最后,?/p>

k-means

算法的未来趋势进行展望?/p>

 

        

【关键词?/p>

k-means

算法

 

初始聚类中心

 

相似性度?/p>

 

离群?/p>

 

        K-means

聚类算法是由

Steinhaus 1955

年?/p>

Lloyd 1957

年?/p>

Ball&Hall 1965

年?

McQueen1967

年分别在各自的不同的科学研究领域独立的提出?/p>

K-means

聚类算法被提出来

后,经过多年的实践证明,

k-means

算法依然是简单、高效的算法,并且被广泛应用在科学研

究以及工业应用中,发展出大量的改进的算法。目前,

k-means

算法仍然是一个研究热点?/p>

 

        K-means

算法的改进主要从以下几个方面:一是如何确定合适的

k

值,二是如何选取好的

初始聚类中心,三是离群点的检测与去除,四是距离与相似度度量的改进以及其他方面的改?/p>

等等。本文则从以上几个方面对

k-means

算法的研究进展进行综述。本文第一部分介绍传统?/p>

k-means

算法,第二部分从各个方面介绍

k-means

算法的优化,第三部分进行总结以及展望?/p>

 

        1 

传统?/p>

k-means

算法

 

        K-means

算法是一种简单、高效的聚类算法,并得到了广泛的应用?/p>

K-means

算法的基?/p>

思想是首先随机选取初始聚类中心,然后计算每个样本点到初始聚类中心的欧式距离,按照距

离最近的准则将它们分配给相似度最大的聚类中心所代表的类。计算每个类别所有样本点的均

值,更新聚类中心,直到目标准则函数收敛为止。具体算法步骤如下:

 

        

?/p>

1

)用户输入类簇数目的?/p>

k

,从

n

个样本点中随机选取

k

个点作为初始聚类中心

; 

        

?/p>

2

)遍历所有的样本点,计算每个样本点到初始聚类中心的欧式距离,欧氏距离的大?/p>

作为相似度的评判标准,欧氏距离越小,相似度越大。按照距离最近的准则将样本点分配给相

似度最大的聚类中心所代表的类?/p>

 

">
新建
上传
首页
助手
最?/div>
资料?/div>
工具

龙源期刊?/p>

 http://www.qikan.com.cn 

K-means

算法研究综述

 

作者:丛思安

 

王星?/p>

 

来源:《电子技术与软件工程?/p>

2018

年第

17

?/p>

 

        

摘要

 

        k-means

算法是一种非常简单并且使用广泛的聚类算法,但是一?/p>

k

值需要预先给定,?/p>

多情况下

k

值的佑计很困难。二?/p>

K-Means

算法对初始选取的聚类中心点很敏感,不同的中?/p>

点聚类结果有很大的不同。也就是说,有可能陷入局部最优解。三是对离群点敏感,聚类结果

易产生误差。四是相似性度量的函数不同也会对聚类结果产生影响。本文针?/p>

k-means

的缺

陷,对这几年

k-means

算法的研究进展进行了综述。从初始中心点的选取、离群点的检测与?/p>

除、相似性度量等几个方面进行概括、比较最后,?/p>

k-means

算法的未来趋势进行展望?/p>

 

        

【关键词?/p>

k-means

算法

 

初始聚类中心

 

相似性度?/p>

 

离群?/p>

 

        K-means

聚类算法是由

Steinhaus 1955

年?/p>

Lloyd 1957

年?/p>

Ball&Hall 1965

年?

McQueen1967

年分别在各自的不同的科学研究领域独立的提出?/p>

K-means

聚类算法被提出来

后,经过多年的实践证明,

k-means

算法依然是简单、高效的算法,并且被广泛应用在科学研

究以及工业应用中,发展出大量的改进的算法。目前,

k-means

算法仍然是一个研究热点?/p>

 

        K-means

算法的改进主要从以下几个方面:一是如何确定合适的

k

值,二是如何选取好的

初始聚类中心,三是离群点的检测与去除,四是距离与相似度度量的改进以及其他方面的改?/p>

等等。本文则从以上几个方面对

k-means

算法的研究进展进行综述。本文第一部分介绍传统?/p>

k-means

算法,第二部分从各个方面介绍

k-means

算法的优化,第三部分进行总结以及展望?/p>

 

        1 

传统?/p>

k-means

算法

 

        K-means

算法是一种简单、高效的聚类算法,并得到了广泛的应用?/p>

K-means

算法的基?/p>

思想是首先随机选取初始聚类中心,然后计算每个样本点到初始聚类中心的欧式距离,按照距

离最近的准则将它们分配给相似度最大的聚类中心所代表的类。计算每个类别所有样本点的均

值,更新聚类中心,直到目标准则函数收敛为止。具体算法步骤如下:

 

        

?/p>

1

)用户输入类簇数目的?/p>

k

,从

n

个样本点中随机选取

k

个点作为初始聚类中心

; 

        

?/p>

2

)遍历所有的样本点,计算每个样本点到初始聚类中心的欧式距离,欧氏距离的大?/p>

作为相似度的评判标准,欧氏距离越小,相似度越大。按照距离最近的准则将样本点分配给相

似度最大的聚类中心所代表的类?/p>

 

Ͼλ">
Ͼλ
Ŀ

K-means算法研究综述 - 百度文库
新建
上传
首页
助手
最?/div>
资料?/div>
工具

龙源期刊?/p>

 http://www.qikan.com.cn 

K-means

算法研究综述

 

作者:丛思安

 

王星?/p>

 

来源:《电子技术与软件工程?/p>

2018

年第

17

?/p>

 

        

摘要

 

        k-means

算法是一种非常简单并且使用广泛的聚类算法,但是一?/p>

k

值需要预先给定,?/p>

多情况下

k

值的佑计很困难。二?/p>

K-Means

算法对初始选取的聚类中心点很敏感,不同的中?/p>

点聚类结果有很大的不同。也就是说,有可能陷入局部最优解。三是对离群点敏感,聚类结果

易产生误差。四是相似性度量的函数不同也会对聚类结果产生影响。本文针?/p>

k-means

的缺

陷,对这几年

k-means

算法的研究进展进行了综述。从初始中心点的选取、离群点的检测与?/p>

除、相似性度量等几个方面进行概括、比较最后,?/p>

k-means

算法的未来趋势进行展望?/p>

 

        

【关键词?/p>

k-means

算法

 

初始聚类中心

 

相似性度?/p>

 

离群?/p>

 

        K-means

聚类算法是由

Steinhaus 1955

年?/p>

Lloyd 1957

年?/p>

Ball&Hall 1965

年?

McQueen1967

年分别在各自的不同的科学研究领域独立的提出?/p>

K-means

聚类算法被提出来

后,经过多年的实践证明,

k-means

算法依然是简单、高效的算法,并且被广泛应用在科学研

究以及工业应用中,发展出大量的改进的算法。目前,

k-means

算法仍然是一个研究热点?/p>

 

        K-means

算法的改进主要从以下几个方面:一是如何确定合适的

k

值,二是如何选取好的

初始聚类中心,三是离群点的检测与去除,四是距离与相似度度量的改进以及其他方面的改?/p>

等等。本文则从以上几个方面对

k-means

算法的研究进展进行综述。本文第一部分介绍传统?/p>

k-means

算法,第二部分从各个方面介绍

k-means

算法的优化,第三部分进行总结以及展望?/p>

 

        1 

传统?/p>

k-means

算法

 

        K-means

算法是一种简单、高效的聚类算法,并得到了广泛的应用?/p>

K-means

算法的基?/p>

思想是首先随机选取初始聚类中心,然后计算每个样本点到初始聚类中心的欧式距离,按照距

离最近的准则将它们分配给相似度最大的聚类中心所代表的类。计算每个类别所有样本点的均

值,更新聚类中心,直到目标准则函数收敛为止。具体算法步骤如下:

 

        

?/p>

1

)用户输入类簇数目的?/p>

k

,从

n

个样本点中随机选取

k

个点作为初始聚类中心

; 

        

?/p>

2

)遍历所有的样本点,计算每个样本点到初始聚类中心的欧式距离,欧氏距离的大?/p>

作为相似度的评判标准,欧氏距离越小,相似度越大。按照距离最近的准则将样本点分配给相

似度最大的聚类中心所代表的类?/p>

 



ļ׺.doc޸Ϊ.docĶ

  • Juniper SRX3000ϵзǽѲָ-V1
  • еԭ߰棩 ﻸ 7
  • ˱Һɷ޹˾ӯ(ⱨ)
  • 13ѧ
  • ɽóСѧ꼶ϢڶԪ̰2015
  • 2010-2014Լѧ⼰ - ͼ
  • ij칫¥ۺ¥װθ칤ʩ
  • MATLAB-Simulinkϵͳģ-ʵ鱨
  • VOFģ͵ļ˵
  • ׿йʯʹѧͲκ doc

վ

԰ Ͼλ
ϵͷ779662525#qq.com(#滻Ϊ@)